"HUMAN + MACHINE to szczegółowe kompendium wiedzy, które ułatwi liderom biznesu wykorzystanie możliwości sztucznej inteligencji w dobie czwartej rewolucji przemysłowej. Jeśli posłuchamy apelu Daugherty'ego i Wilsona, i spojrzymy na nowo na sposób, w jaki pracujemy i uczymy ludzi umiejętności współpracy z maszynami wyposażonymi w AI, zapewnimy nam wszystkim pogodniejszą przyszłość".
- KLAUS SCHWAB, założyciel i przewodniczący World Economic Forum. Autor książki The Fourth Industrial Revolution (Czwarta rewolucja przemysłowa)
"W czasach, które nastały po erze informacji, każdy sektor globalnej gospodarki pozostaje pod wpływem technologii będącej źródłem zakłóceń i nowego bogactwa. Ci, którzy chcą wziąć udział w przemianach, będą potrzebować książki HUMAN + MACHINE".
- MARK ANDERSON, założyciel i dyrektor wykonawczy firmy Strategic New Service
"W książce HUMAN + MACHINE Daugherty i Wilson błyskotliwie, ilustrując to konkretnymi przykładami, wyjaśniają, w jaki sposób firmy z różnych branż tworzą nowy obraz działalności biznesowej dostosowany do ery AI. Jest to zaledwie początek największej transformacji biznesu w historii, z ludźmi i maszynami współpracującymi we wcześniej niewyobrażalny sposób. Autorzy przekonują, że musimy zainwestować w szkolenie milionów ludzi, aby przygotować ich do zawodów jutra i zagwarantować, iż w miarę rozwoju AI, korzyści płynące z tego procesu będą udziałem całej ludzkości. Książka HUMAN + MACHINE to mapa drogowa prowadząca do przyszłości - przeczytaj ją koniecznie, jeśli zależy ci na zrozumieniu wpływu AI oraz kierunku rozwoju, który wyznacza".
- MARC BENIOFF, przewodniczący i dyrektor zarządzający firmy Salesforce
"HUMAN + MACHINE to dobrze napisana, poparta badaniami książka podejmująca temat brakującego środkowego ogniwa AI - obszaru współpracy ludzi i maszyn, zwiększającego ludzkie umiejętności, zamiast je zastąpić. Poczynając od hali produkcyjnej, po zaplecze oraz poszczególne jednostki, Paul i James w przystępny i praktyczny sposób wyjaśniają zmieniającą się naturę pracy".
- GRADY BOOCH, główny naukowiec firmy Software Engineering, IBM Research; wyróżniony tytułem IBM Fellow
"Książka HUMAN + MACHINE rzuca nowe światło na palącą potrzebę wymyślenia na nowo niemal wszystkich elementów naszej pracy. Daugherty i Wilson mają osobiste doświadczenie w zarządzaniu zmianami, co nadaje ich książce wyjątkowy walor wiarygodności i głębi. Zachęć cały zespół do jej przeczytania, zanim zrobią to twoi konkurenci!"
- ERIK BRYNJOLFSSON, dyrektor MIT Initiative on the Digital Economy; współautor książki The Second Machine Age (Druga era maszyn) oraz Machine, Platform, Crowd (Maszyna, platforma, tłum)
"Lektura obowiązkowa dla menedżerów, którzy wiedzą, że AI powinna stać się dużą częścią ich pracy, ale czują się zakłopotani i onieśmieleni tym tematem".
- MISSY CUMMINGS, profesorka Pratt School of Engineering; dyrektorka Humans and Autonomy Laboratory, Duke University
"Żyjemy w czasach cyfrowego darwinizmu, kiedy technologie ewoluują tak szybko, że biznes nie potrafi za nimi nadążyć. Sposób podejścia Daugherty'ego i Wilsona - brakujące środkowe ogniwo i MELDS - dostarczają formuły, która pomoże ci przemyśleć na nowo pojawiające się okazje, procesy zachodzące w twojej firmie i osiągane wyniki - stawiając sobie za cel rekordowo szybkie rejestrowanie postępu, który przebiega w wykładniczym tempie".
- CHETAN DUBE, dyrektor zarządzający firmy IPsoft
"W książce HUMAN + MACHINE Daugherty i Wilson rysują obraz przyszłości, w której sztuczna inteligencja uwydatnia nasze człowieczeństwo. Ich książka jest pełna przykładów, wskazówek i inspiracji - stanowi praktyczny przewodnik ułatwiający zrozumienie AI - jej znaczenia w naszym życiu i tego, w jaki sposób najlepiej ją wykorzystać".
- ARIANNA HUFFINGTON, założycielka i dyrektorka naczelna firmy Thrive Global
Daugherty i Wilson odpowiadają na fundamentalne pytanie: jak pomóc naszym pracownikom funkcjonować w erze AI? Nie ma najmniejszych wątpliwości, że książka HUMAN + MACHINE stanowi podręcznik, którego potrzebujesz, aby wyruszyć naprzód.
- HENNING KAGERMANN, przewodniczący Acatechu, Deutsche Akademie der Technikwissenschaften (Niemieckiej Akademii Nauki i Inżynierii); dawny przewodniczący i dyrektor zarządzający firmy SAP
Rewolucja AI już się rozpoczęła, dlatego nie pozostań w tyle. Przeczytaj książkę HUMAN + MACHINE od deski do deski - i naucz się wykorzystywać wykładniczy rozwój AI oraz jej dynamikę do zdefiniowania i zoptymalizowania swojego wpływu na świat w nadchodzącej dekadzie".
- DAVID KENNY, emerytowany wiceprezes IBM Watson oraz IBM Cloud
"Książka HUMAN + MACHINE kreśli ramy przywódcom, którzy wybiegają myślami naprzód i wykorzystują okazje pojawiające się w ich systemie działania, optymalizując inteligencję ludzi i maszyn. To prowokująca analiza sposobów wprowadzania AI, poprawiająca wewnętrzne operacje oraz wyznaczająca długofalową strategię rozwoju dostosowaną do nowoczesnych technologii".
- AARON LEVIE, dyrektor wykonawczy, firma Box
"AI oznacza wielkie obietnice dla ludzi i społeczeństw, ale także nowe wyzwania i zagrożenia. W książce HUMAN + MACHINE Daugherty i Wilson przedstawiają wartościową wizję przyszłości pracy, rzucając światło na związek człowieka i maszyny w sposób, który pomoże nam lepiej rozumieć, dyskutować i nadawać kształt naszej przyszłej AI".
- TERAH LYONS, założyciel i dyrektor organizacji Partnership on AI; były doradca Biura Białego Domu ds. Polityki w Dziedzinie Nauki i Technologii
"Czytelnicy, którzy nie mają wykształcenia technicznego, muszą być ludźmi ciekawymi, wiecznymi uczniami stosującymi zdobytą wiedzę do kreowania pracy w świecie sztucznej inteligencji. Książka HUMAN + MACHINE przekonuje, że zawody i zadania muszą zostać przemyślane i zaprojektowane na nowo, aby ludzie i maszyny wspólnie uzyskiwali lepsze wyniki. Praktyczne i cenne przykłady zawarte w tej książce sprawiają, że przyszłość ożywa na naszych oczach".
- DOUG MCMILLON, prezydent i dyrektor generalny, Walmart
"HUMAN + MACHINE powinna być lekturą obowiązkową dla każdego, kto stara się zrozumieć, co AI oznacza dla jego biznesu. Autorzy rysują ścieżkę transformacji, w której centrum znajduje się ludzka kreatywność".
- VIVIENNE MING, współzałożycielka i partnerka zarządzająca, firma Socos
"Daugherty i Wilson prowadzą rozmowę, którą my sami powinniśmy odbyć na temat przyszłej współpracy człowieka i komputera, korzystając z ich konkretnych narzędzi - hipotezy "brakującego środkowego ogniwa" i zasad organizacyjnych opartych na wynikach gruntownych badań, autorzy z entuzjazmem rysują mapę drogową, która doprowadzi nas do produktywnej przyszłości".
- SATYA NADELLA, dyrektor generalny, Microsoft
"Aby przygotować się do nadejścia przyszłości, w której całe gałęzie przemysłu będą wstrząsane przez uczenie maszynowe i sztuczną inteligencję, trzeba zrozumieć, w jaki sposób działają nowe technologie i jak silny - pozytywny i negatywny - wpływ mogą wywierać na nasz świat. Uczenie maszynowe i sztuczna inteligencja będą miały tak głęboki wpływ na nasz świat, jak wynalezienie komputera osobistego, Internetu lub smartfona. Żaden biznesmen nie może sobie pozwolić na zignorowanie tych trendów".
- HADI PARTOVI, założyciel i dyrektor generalny, Code.org
"Daugherty i Wilson dzielą się przemyśleniami i działaniami, które musi podjąć każda organizacja, aby przekształcić się w kwitnącą firmę cyfrową".
- BILL RUH, emerytowany wiceprezes i dyrektor zarządzający ds. cyfryzacji. GE; dyrektor generalny, GEO Digital
"Nie ma wątpliwości, że AI przekształca biznes. Z książki HUMAN + MACHINE dowiemy się, jak i gdzie oraz co z nią począć. Przywoływana przez autorów grupa 1500 pionierów AI dostarcza wiedzy wykraczającej poza anegdotyczne zastosowania. Obowiązkowa lektura dla współczesnego menedżera!"
- LEN SCHLESINGER, profesor Baker Foundation, Harvard Business School, były wiceprzewodniczący i dyrektor operacyjny w Limited Brands (obecnie L Brands)
"W swojej wnikliwej książce HUMAN + MACHINE Daugherty i Wilson rysują obraz, w którym ludzie i maszyny nie są wrogami, ale partnerami. Przedstawiają ramową koncepcję otwierającą nowe horyzonty myślenia o bezprecedensowych konsekwencjach tej relacji oraz praktyczny przewodnik przygotowujący do nadejścia ery, w której ludzie i maszyny będą pracować ramię w ramię dla postępu ludzkości".
- DOV SEIDMAN, założyciel i dyrektor generalny firmy LRN; autor książki HOW: Why HOW We Do Anything Means Everything (Jak? Dlaczego sposób, w jaki coś robimy, oznacza wszystko)
"W czasach, które są przed nami, postępy w dziedzinie sztucznej inteligencji oznaczają wielkie okazje i jeszcze większe zagrożenia. HUMAN + MACHINE jest bardzo aktualną i głęboką książką zawierającą przykłady i strategie, które pomogą nam przygotować nasze firmy na wpływ AI".
- DR VISHAL SIKKA
"AI będzie mieć ogromny wpływ na społeczeństwo i gospodarkę. Każdy lider biznesu powinien zapoznać się z technologią i jej wpływem na rynek, na którym działa, na przedsięwzięcia i główne aspekty łańcucha wartości. Jest to pierwsza kompleksowa analiza roli AI w biznesie. Uważam tę książkę za lekturę obowiązkową dla wszystkich przywódców, którzy uważają innowacje za ważny element ich biznesu".
- JEROEN TAS, wiceprezes oraz dyrektor działu strategii i innowacji, koncern Philips
"Szybki proces cyfrowej transformacji wymaga ciągłych innowacji, ciągłej nauki i ciągłego wyobrażania sobie na nowo tego, co jest możliwe. Najlepszym przewodnikiem prowadzącym w przyszłość jest książka Human + Machine autorstwa Daugherty'ego i Wilsona".
- ASHOK VASWANI, dyrektor generalny, bank Barclays UK
"Książka HUMAN + MACHINE wyróżnia się na tle innych jako brakujący podręcznik, którego potrzebują liderzy innowacji napędzanych przez AI w świecie, gdzie zwycięzca bierze wszystko".
- R "RAY" WANG, główny analityk, założyciel i prezes Constellation Research
WprowadzenieJaka jest nasza rola w erze sztucznej inteligencji
Pierwsze wydanie tej książki ukazało się w czasie gorącej - i tendencyjnej - debaty o przyszłości pracy w erze AI. Z jednej strony przeważająca większość obserwatorów wieściła, że automatyzacja wzbogacona o czynnik sztucznej inteligencji spowoduje utratę milionów miejsc pracy na całym świecie. Z drugiej, znacznie mniejsze grono oponentów przekonywało, że AI posiada potencjał tworzenia nowych miejsc pracy w centralnym punkcie relacji człowieka i maszyny, a czołowe firmy wykorzystają sztuczną inteligencję do wzbogacenia ludzkich możliwości, nie zaś do zastąpienia człowieka. Książka ta znajdowała się wśród pierwszych publikacji opowiadających się za drugim punktem widzenia.
W następnych latach pandemia COVID-19 w dramatyczny sposób przyspieszyła wykorzystanie AI w całym przemyśle. Wydarzyło się jednak coś zabawnego: miejsca pracy nie zniknęły, a firmy skupione wyłącznie na zastępowaniu ludzi maszynami nie prosperowały. Zwycięskie korporacje tworzyły symbiotyczne relacje pomiędzy ludźmi i maszynami, pobudzając obydwa czynniki do osiągania wyników, których żaden nie zdołałby osiągnąć w pojedynkę, potwierdzając tym samym słuszność przypuszczenia o pożytku wynikającym z połączenia człowieka i maszyny.
Dodajmy do tego generatywną sztuczną inteligencję. Postępy w dziedzinie sztucznej inteligencji dokonane w ciągu ostatnich siedmiu dekad spowodowały, że znaleźliśmy się na progu głębokiej transformacji w dziedzinie przedsiębiorczości. Zamiast po prostu analizować i kategoryzować istniejące dane, generatywna sztuczna inteligencja może stwarzać rzeczy całkiem nowe, m.in. teksty, obrazy, materiały audio, sztuczne dane i wiele więcej. W świecie przemysłu, nauki i społeczeństwa wyzwoli to przełomową ludzką kreatywność i produktywność. Pojawienie się AI spowodowało, że debata o przyszłości pracy stała się pilniejsza niż do tej pory - wywołało to też kolejną falę przepowiedni zagłady. Tym razem wieszczono, że sztuczna inteligencja zajmie miejsce pracowników wiedzy (wykwalifikowanych) i stanie się najpoważniejszym egzystencjalnym zagrożeniem dla całej ludzkości.
Nie zgadzamy się z tą tezą
Uważamy, że generatywna sztuczna inteligencja zwiększa potencjał, który kryje w sobie współpraca człowieka i maszyny, na jaką wskazaliśmy sześć lat temu i uaktualniliśmy w świetle najbardziej zdumiewających postępów w dziedzinie AI dokonanych od tamtej pory. Generatywna sztuczna inteligencja zwiększa produktywność i kreatywność i na nowo potwierdza potrzebę liderów, którzy umożliwią jej podążanie ścieżką, którą wytyczyliśmy w pierwszym wydaniu. Pomimo naprawdę dramatycznego przełomu, sztuczna inteligencja pozostaje częścią związku pomiędzy człowiekiem i maszyną, który ją poprzedzał i który zostanie szczegółowo omówiony na następnych stronach.
O wielkości przełomu świadczy złamanie szyfru naturalnego języka. Dzięki algorytmom dużych modeli językowych (LLM-ów), jak ChatGPT, niemal każdy może korzystać z AI, komunikując się z nią za pomocą codziennego języka. AI nie jest już dłużej wyłączną domeną programistów i technologów, bo każdy członek organizacji może ją mieć na wyciągnięcie ręki. Zjawisko to ma duże konsekwencje dla firm ze wszystkich gałęzi przemysłu.
Jak duże? Przeanalizowaliśmy potencjalny wpływ dużych modeli językowych (LLM-ów) na rozkład czasu pracy w dziewiętnastu głównych gałęziach przemysłu, odnosząc go do poziomu zatrudnienia w 2022 roku. Okazało się, że LLM-y mogą mieć wpływ na 40 procent roboczogodzin we wszystkich branżach amerykańskiej gospodarki. Rysunek I-1 pokazuje, że ich wpływ na funkcje biznesowe będzie równie głęboki.
Jednak zamiast automatyzacji całych branż przemysłu lub dezaktualizacji ról funkcjonalnych, generatywna sztuczna inteligencja sprawiła, że tym pilniejsza stała się potrzeba "brakującego środkowego ogniwa". "Środkowe" oznacza miejsce, w którym ludzie i maszyny współpracują ze sobą w celu zwiększenia zyskowności działalności biznesowej. Słowo "brakujące" wskazuje, że niewiele firm z tego skorzystało, chociaż ich rywale pochwycili okazję, podążając ścieżką "ludzi i maszyn". Kiedy wprowadziliśmy to pojęcie w poprzednim wydaniu książki, "brakujące środkowe ogniwo" było nową koncepcją. Dzisiaj jego znaczenie tylko wzrosło.
Generatywna sztuczna inteligencja znacznie poszerzyła środkowy element, przenosząc potencjał współpracy ludzi i maszyn do wszystkich części organizacji, zmieniając istniejące rodzaje pracy i stwarzając nowe. Grozi to powstaniem jeszcze większej przepaści między firmami, które wypełnią brakujące środkowe ogniwo, i tymi, które tego nie uczynią. Budując na wcześniejszych rozwiązaniach AI i stwarzając najskuteczniejsze sposoby wypełnienia brakującego ogniwa, jakie istnieją obecnie, generatywna AI doprowadzi do głębokiej zmiany sposobu postrzegania biznesu. To zaś spowoduje wyzwolenie kolejnego poziomu ludzkiego potencjału.
RYSUNEK I-1
Znaczący wpływ generatywnej sztucznej inteligencji uwidoczni się w różnych dziedzinach funkcjonalnych
Uwaga: Szacunki oparto na podatności zadań "człowiek + maszyna" na wpływ generatywnej sztucznej inteligencji
Źródło: Badanie przeprowadzone przez firmę Accenture na podstawie danych Amerykańskiego Biura Statystyki Pracy z maja 2023 roku i O'Net.
Sztuczna inteligencja ożyła
Trzydziestego listopada 2022 roku firma OpenAI zaprezentowała program ChatGPT. W ciągu dwóch miesięcy ChatGPT miał sto milionów aktywnych użytkowników, stając się pierwszą aplikacją, która tak szybko przekroczyła ten ważny punkt. Po raz pierwszy w historii ludzie z całego świata uzyskali możliwość osobistego wykorzystania sztucznej inteligencji. Użytkownicy byli oczarowani jej zdolnością tworzenia spójnych esejów, artykułów, maili i wpisów w mediach społecznościowych; umiejętnością prowadzenia dialogu przypominającego ludzki; pisania programów komputerowych i wiele więcej. Nie była to jakaś przestarzała forma AI, która w końcu dotarła do zwykłych ludzi, ale jej nowa postać, najnowocześniejsza generatywna AI. W końcu wszyscy na całym świecie mogli się na własne oczy przekonać o rewolucyjnym, innowacyjnym potencjale technologii.
ChatGPT jest częścią nowej ery, w której codziennie tworzy się na nowo fundamentalne zasady zarządzania organizacjami. Systemy AI prowadzą nie tylko do automatyzacji wielu procesów, czyniąc je bardziej efektywnymi - umożliwiają ludziom i maszynom współpracę ze sobą w nowy sposób. Dzięki temu zmieniają naturę samej pracy, wymagając od nas, abyśmy zarządzali naszymi operacjami i pracownikami w zupełnie inny sposób.
Weźmy na przykład roboty. Przez całe dekady roboty były zwykle dużymi maszynami, odseparowanymi od pracowników, które wykonywały ściśle określone zadania - np. rozładunek prasy tłoczącej. Zadanie to stanowiło element sztywno określonego, stałego łańcucha działań, w którym ludzie wykonywali inne, ściśle określone zadania - np. sprawdzanie metalowych wytłoczek w celu odrzucenia braków.
Porównajmy tę sytuację do linii produkcyjnej w fabryce, gdzie roboty są znacznie mniejsze, bardziej elastyczne i potrafią pracować razem z ludźmi; gdzie wspomniane roboty i inne rodzaje maszyn używają własnych czujników i złożonych algorytmów AI. W przeciwieństwie do robotów przemysłowych poprzednich generacji (urządzeń o dużych rozmiarach, pozbawionych inteligencji oraz posiadających niebezpieczne części) nowe rodzaje robotów współpracujących zostały wyposażone w zdolność wykrywania stanu otoczenia, rozumienia, działania i uczenia się, dzięki programowi uczenia maszynowego i innym pokrewnym technologiom AI. Wszystko to sprawia, że proces pracy ma zdolność samoadaptacji, a sztywno określona linia produkcyjna zostaje zastąpiona przez łatwo przystosowujące się zespoły złożone z ludzi i maszyn, które mogą ze sobą nieprzerwanie współpracować. Teraz, aby wykonać zmodyfikowane zadanie i odpowiedzieć na zmieniony popyt, pracownicy współdziałają z robotami i wykonują nowe operacje bez ręcznego przesterowywania procesów lub etapów wytwarzania. Zmiany te są wpisane w system i wykonywane w sposób automatyczny.
Korzyści są widoczne nie tylko w branży wytwórczej. Systemy AI są wprowadzane we wszystkich oddziałach, od sprzedaży i marketingu po obsługę klientów oraz komórkę badań i rozwoju. Generatywna sztuczna inteligencja przyspieszyła integrację, rozszerzając ją na wiele zadań poznawczych, otworzyła też ogromne pole nowych możliwości współpracy oraz współtworzenia dla człowieka i maszyny.
Dla przykładu weźmy projektanta firmy Autodesk, który postanawia zaprojektować drona. Zamiast modyfikować już istniejące projekty i przystosowywać je do różnych ograniczeń, np. wagi i napędu, wprowadza te parametry do firmowego programu wykorzystującego AI. Genetyczny algorytm programu komputerowego wytwarza szeroką, olśniewającą gamę nowych projektów, których jeszcze nikt nie widział. Niektóre projekty są bardziej dziwaczne od innych, ale wszystkie spełniają początkowe ograniczenia. Projektant wybiera jeden z nich, który odróżni ich drona od pozostałych, i wprowadza dodatkowe zmiany do projektu, pasujące do jego zmysłu estetycznego i celów inżynieryjnych.
Od podejścia mechanistycznego do organicznego
Chociaż sztuczna inteligencja dysponuje niespotykaną siłą transformacji biznesu, stanowi pilne, stale rosnące wyzwanie. Przedsiębiorstwa dochodzą do rozdroża, jeśli chodzi o wykorzystanie AI - którą definiujemy jako system przekraczający naszą zdolność czucia, rozumienia, działania, uczenia się, a obecnie - wraz z pojawieniem się generatywnej sztucznej inteligencji - także tworzenia. Kiedy firmy wdrażają systemy AI - od uczenia maszynowego do rozpoznawania obrazów, głębokiego uczenia i LLM-ów - niektóre obserwują jedynie niewielki tymczasowy wzrost produktywności w krótkim czasie. Inne przedsiębiorstwa potrafią dokonywać przełomowych postępów, często w wyniku wprowadzenia innowacji zmieniających reguły gry. Z czego wynika ta różnica?
Ma ona związek ze zrozumieniem prawdziwej natury AI. Dawniej menedżerowie koncentrowali się na wykorzystaniu maszyn, aby zautomatyzować konkretny element przepływu pracy. Procesy te miały tradycyjnie charakter liniowy, złożony z poszczególnych kroków, sekwencyjny, standaryzowany, powtarzalny i mierzalny. Przez lata optymalizowano go przy pomocy różnych analiz czasu i ruchu (np. fabryczne linie produkcyjne). Jednak korzyści w postaci wyników, wypływające z takiego podejścia, ostatnio się zmniejszyły, gdy firmy wycisnęły ostatnie krople efektywności z mechanicznej automatyzacji.
Obecnie, aby w pełni wykorzystać potencjał technologii AI, wiele czołowych firm zaczęło stosować nowy sposób rozumienia procesów biznesowych, postrzegając je jako bardziej zmienne i adaptacyjne. W istotny sposób wykraczają one poza statyczne, sekwencyjne procesy, zmierzając w kierunku idei zespołów organicznych współpracujących z ludźmi w ramach zaawansowanych układów AI. Taka współpraca pomiędzy pracownikami i inteligentnymi maszynami prowadzi do wynalezienia na nowo wielu tradycyjnych procesów. BMW i Mercedes-Benz przekonały się, że sztywne linie produkcyjne ustąpiły miejsca elastycznym zespołom pracowników ściśle współpracujących z robotami. Co więcej, nowe rodzaje zespołów mogą nieprzerwanie na bieżąco dostosowywać się do nowych danych i warunków rynkowych. Umożliwiają one firmom spojrzenie w nowy sposób na procesy produkcyjne.
Trzecia fala
Kluczem do zrozumienia wpływu AI jest uchwycenie radykalnego sposobu, w jaki zmienia ona sposób pracy, co prowadzi do transformacji procesów biznesowych.
Powszechnym błędem jest sądzenie, że systemy AI będą w końcu zastępować ludzi w jednej branży po drugiej. Na przykład pojazdy autonomiczne pewnego dnia zastąpią kierowców taksówek, aut dostawczych i ciężarówek. Generatywna AI zastąpi pracę autorów treści, projektantów, a nawet programistów komputerowych. Jednak nasze badania wykazały, że choć AI może być wykorzystana do automatyzacji pewnych zadań, większa moc technologii kryje się w uzupełnianiu i poszerzaniu ludzkich umiejętności. Na przykład w przetwarzaniu roszczeń ubezpieczeniowych AI nie usuwa potrzeby udziału człowieka, ale wykonuje za niego mozolną pracę przygotowawczą, gromadząc dane i wykonując wstępne analizy. Umożliwia w ten sposób pracownikom do spraw roszczeń rozwiązywanie bardziej złożonych przypadków. W istocie maszyny robią to, w czym są najlepsze: wykonują czynności powtarzalne, analizują ogromne zbiory danych i rozpatrują rutynowe sprawy. Ludzie zajmują się tym, w czym są najlepsi: sprawdzają niejasne informacje, wydają ocenę w trudnych sprawach i zajmują się niezadowolonymi klientami. W przypadku generatywnej AI maszyny i ludzie współpracują, aby osiągnąć rezultaty lepsze od tych, które osiągnęliby w pojedynkę. Ten rodzaj symbiozy pomiędzy człowiekiem i maszyną staje się możliwy w tzw. trzeciej fali transformacji biznesowej.
Aby zrozumieć, w jaki sposób do niej doszło, trzeba poznać kontekst historyczny. Pierwsza fala transformacji biznesowej obejmowała standaryzowane procesy. Początek tej ery wyznaczył Henry Ford, rozkładając proces wytwarzania samochodów tak, by można je było montować na linii produkcyjnej. Każdy z kroków całościowego procesu mógł być zmierzony, zoptymalizowany i ustandaryzowany, aby osiągnąć duży wzrost wydajności.
Druga fala łączy się z automatyzacją procesów. Została ona zapoczątkowana w latach siedemdziesiątych XX wieku, osiągając punkt szczytowy w latach dziewięćdziesiątych, wraz z ruchem przeprojektowania procesów biznesowych, dzięki postępowi w dziedzinie informatyki: komputerom osobistym, wielkim bazom danych i programom automatyzującym różne zadania zaplecza biurowego. Na tej fali, obok innych firm, światowymi potęgami stały się takie firmy handlowe, jak Walmart. Także inne przedsiębiorstwa mogły wymyślić się na nowo. Na przykład UPS przekształciła się z firmy kurierskiej w globalną firmę logistyczną.
Trzecia fala obejmuje procesy o charakterze adaptacyjnym, gdy organizacje zmieniają sposób pojmowania pracy w erze sztucznej inteligencji. Trzecia fala, oparta na dwóch poprzednich, będzie mieć bardziej dramatyczny charakter od wcześniejszych rewolucji związanych z wprowadzeniem linii produkcyjnej i komputerów cyfrowych. Generatywna AI otworzy zupełnie nowe, innowacyjne sposoby prowadzenia interesów i spowoduje znaczny wzrost zatrudnienia wraz z dostępem do jednej z najpotężniejszych technologii, jakie pojawią się w ciągu naszego życia. W trakcie czytania tej książki zorientujecie się, że czołowe firmy z wielu branż zmieniają sposób postrzegania swoich procesów, aby stać się bardziej elastyczne, szybsze oraz dostosowane do zachowań, preferencji i potrzeb swoich pracowników. Wspomniane zdolności adaptacyjne łączą się z danymi uzyskiwanymi w czasie rzeczywistym, zamiast z wcześniej określoną sekwencją kroków - raczej ze współtworzeniem niż rywalizowaniem z AI o pracę, raczej z sytuacji człowiek plus maszyna niż człowiek kontra maszyna. Paradoks polega na tym, że choć te procesy nie są standaryzowane i rutynowe, mogą dawać lepsze powtarzalne rezultaty. Faktycznie, wiodące firmy, które zrozumiały potencjał symbiotycznej współpracy ludzi i maszyn, zdołały wprowadzić na rynek zindywidualizowane produkty i usługi (w przeciwieństwie do dawnych towarów produkowanych na skalę masową) oraz osiągnąć wyniki zapewniające zysk i wyższe poziomy wydajności. Generatywna AI umożliwiła większy wzrost produktywności tym, którzy osiągali gorsze wyniki, pomagając im dogonić najbardziej produktywnych pracowników [1]. Kiedy generatywna AI dostarczy większej liczby cyfrowych asystentów będących do dyspozycji tysięcy pracowników, współpraca człowiek-maszyna stanie się stylem życia, dostosowując się do biznesu i ewoluując razem z nim.
Myśl jak Waze
Żeby zilustrować ogromną przepaść pomiędzy starym i nowym sposobem myślenia, przeanalizujmy historię nawigacji GPS. Pierwsze mapy internetowe były w dużym stopniu cyfrowymi wersjami swoich papierowych odpowiedników. Szybko jednak urządzenia do nawigacji GPS zmieniły sposób, w jaki korzystamy z map, dostarczając wskazówek po wprowadzeniu celu podróży. Jednak nawet wtedy był to proces w dużym stopniu statyczny. Obecnie oprogramowania do nawigacji, jak Waze, wykorzystują dane przekazywane w czasie rzeczywistym przez użytkownika - o położeniu i prędkości kierowców oraz szeroko pozyskiwane informacje o zatorach drogowych, wypadkach i innych utrudnieniach - aby w czasie rzeczywistym stworzyć idealną mapę. Wszystkie te informacje umożliwiają systemowi aktualizowanie wskazówek podczas drogi, aby, jeśli będzie to konieczne, zmienić trasę w połowie podróży i w ten sposób skrócić możliwe opóźnienie. W dawnym sposobie podejścia system GPS ograniczał się do zdygitalizowania statycznej trasy zaznaczonej na mapie, ale Waze połączył algorytmy z danymi napływającymi w czasie rzeczywistym, aby stworzyć barwne, dynamiczne, zoptymalizowane mapy zdolne doprowadzić ludzi do celu tak szybko, jak to możliwe. Strategie biznesowe, używające AI wyłącznie do automatyzacji istniejących statycznych procesów, przypominają wczesne urządzenia do nawigacji GPS, natomiast obecna era oparta na symbiozie człowieka i maszyny jest jak oprogramowanie Waze, w tym sensie, że całkowicie przeprogramowano w nim tradycyjne procesy.
Wypełnianie brakującego "środkowego ogniwa"
Niestety kultura masowa od dawna promuje pogląd człowiek kontra maszyna - czego przykładem mogą być takie filmy, jak "2001: Odyseja kosmiczna", cykl "Terminator" czy ostatni "Twórca" z dopiskiem: "Nie powinniśmy byli pozwolić, aby AI wyrwała się spod kontroli". Pogląd, że inteligentne maszyny stanowią potencjalne zagrożenie dla ludzkości, ma długie dzieje; wielu dyrektorów przyjęło podobny punkt widzenia, postrzegając maszyny wyłącznie jako zagrożenie polegające na zastąpieniu ludzi. Pogląd ten jest nie tylko błędny, ale szkodliwie krótkowzroczny.
Bo prostą prawdą jest, że maszyny nie przejmą kontroli nad światem ani nie zastąpią człowieka w miejscu pracy. W obecnej erze transformacji procesów biznesowych systemy AI nie zastąpią nas całkowicie; raczej poszerzą nasze umiejętności i będą z nami współdziałać, aby osiągnąć produktywność wcześniej uznawaną za niemożliwą.
Czytając tę książkę, przekonasz się, że trzecia fala wytworzyła wielką, dynamiczną i zróżnicowaną przestrzeń, w której ludzie i maszyny współpracują tak, aby wspólnie wypełnić brakujące środkowe ogniwo (zob. rys. I-2).
RYSUNEK I-2
Brakujące środkowe ogniwo
W polu brakującego środkowego ogniwa ludzie pracują razem z inteligentnymi maszynami, aby wykorzystać to, co każda ze stron ma najlepszego. Dla przykładu, ludzie są potrzebni do tworzenia, szkolenia i zarządzania różnymi aplikacjami AI. W ten sposób umożliwiają funkcjonowanie tych systemów jako prawdziwych współpracowników człowieka. Z kolei maszyny pomagają ludziom walczyć w kategorii przekraczającej ich wagę, wyposażając ich w nadludzkie zdolności, np. zdolność przetwarzania i analizowania w czasie rzeczywistym ogromnych ilości informacji pochodzących z mnóstwa źródeł. Maszyny powiększają ludzkie zdolności. Razem, ludzie i maszyny, współtworzą wynalazki i postępy niewyobrażalne dla samej AI.
W polu brakującego środkowego ogniwa ludzie i maszyny nie są wrogami rywalizującymi o miejsca pracy drugiego. Zamiast walczyć, są symbiotycznymi partnerami popychającymi się wzajemnie na wyższy poziom wydajności. Co więcej, w brakującym środkowym polu firmy mogą przemyśleć na nowo własny proces biznesowy, aby wykorzystać zespoły współpracujące - ludzi działających razem z maszynami. Brakujące środkowe ogniwo wykorzystują nie tylko firmy cyfrowe. Przykładem może być Rio Tinto, globalny konglomerat górniczy. Firma wykorzystuje AI do zarządzania swoim ogromnym parkiem maszyn - autonomicznych wierteł, koparek, spycharek itd. - z centralnego ośrodka zarządzania. Dzięki temu ludzcy operatorzy nie muszą pracować w niebezpiecznych warunkach panujących w kopalni, zaś analiza informacji pochodzących z czujników zamontowanych na sprzęcie pomaga firmie w bardziej skutecznym i bezpiecznym zarządzaniu flotą maszyn [2].
Firmy, które wprowadzają AI i próbują rozwiązać problem brakującego środkowego ogniwa, muszą rozwiązać także wiele kwestii etycznych, moralnych i prawnych związanych z ich systemami sztucznej inteligencji. Oznacza to wdrożenie "wszechstronnego podejścia do AI", które stanowi główny temat tej książki, a jednocześnie jest kluczowym warunkiem powodzenia w dziedzinie zagospodarowania środkowego elementu.
O tym, kto zwycięży i co znajduje się w tej książce
Jak już wspomnieliśmy, w obecnej erze procesów adaptacyjnych podstawowe zasady kierowania organizacjami zmieniają się każdego dnia. Kiedy liderzy i menedżerowie różnych firm zaczynają postrzegać na nowo procesy biznesowe zachodzące w ich organizacji i na nowo definiują podstawową relację pomiędzy pracownikami i maszynami, muszą rozumieć te zasady i je stosować. Właśnie dlatego napisaliśmy naszą książkę: Aby dostarczyć ludziom myślącym o swojej organizacji, swoim zespole lub swojej karierze potrzebną wiedzę, która odróżni liderów od maruderów w nowej erze AI.
W części pierwszej przeanalizujemy obecny stan AI w przedsiębiorstwach. Rozpoczniemy od tego, co zarządzający muszą wiedzieć o sztucznej inteligencji. W kolejnych rozdziałach zilustrujemy, w jaki sposób firmy wykorzystują obecnie AI w różnych funkcjach - w hali produkcyjnej, na zapleczu, w badaniach i rozwoju, marketingu i sprzedaży. Najważniejszym wnioskiem jest to, że firmy nie mogą oczekiwać korzyści płynących ze współpracy ludzi i maszyn bez wcześniejszego przygotowania. Ponownie firmy, które wykorzystują maszyny jedynie po to, by zastąpić człowieka, w końcu znajdą się w zastoju, w przeciwieństwie do liderów obmyślających innowacyjne sposoby, w jakie maszyny mogą zwiększyć możliwości człowieka.
Rozdział 1 jest przygotowaniem do wszystkiego, co nastąpi dalej, dostarczając zarządzającym podstawowej wiedzy o generatywnej AI oraz umieszczając ją w kontekście diagnostycznej i predyktywnej AI, które ją poprzedzają. Korporacje nie zrezygnują ze swoich aktualnych i planowanych inwestycji we wcześniejsze generacje AI - technologie, które wraz z generatywną AI będą odgrywać krytyczną rolę w wypełnieniu brakującego środkowego ogniwa. W rozdziale pierwszym znajdziecie również podstawowe modele, od których pochodzi najnowsza klasa aplikacji generatywnej AI. Dowiecie się również, co należy wziąć pod uwagę, podejmując decyzję o zakupie gotowych modeli podstawowych, ulepszeniu ich poprzez wprowadzenie własnych danych czy zbudowanie wszystkiego od zera. Dowiecie się również, że wiodące firmy działają na dwóch prędkościach - równoważą "zakłady bez obaw" stawiane na generatywną AI ze "strategicznymi zakładami" koniecznymi do zajęcia lub utrzymania czołowej pozycji w branży. Poznacie również kroki, od których można zacząć - poczynając od tego, jak wyobrazić sobie na nowo procesy biznesowe oraz jak się upewnić i jak przygotować swoje dane, pracowników i firmę na nowy sposób działania.
W rozdziale drugim opisujemy, w jaki sposób procesy z udziałem AI, zachodzące w środowisku produkcyjnym i przemysłowym, uwalniają ludzki potencjał. Dla przykładu, firma General Motors wykorzystuje przetwarzanie w chmurze i generatywne projektowanie, pod nadzorem ludzkich inżynierów, do projektowania lżejszych i mocniejszych elementów samochodu. Firma General Electric zbudowała "cyfrowe bliźniaki" swoich produktów, np. łopatki turbiny silnika odrzutowego. Firma opiera wirtualne modele na uwarunkowaniach, którym podlegają rzeczywiste turbiny, dzięki czemu możliwe jest wprowadzanie ulepszeń oraz wcześniejsze przewidywanie awarii, a zatem zmiana sposobu serwisowania i konserwacji sprzętu, tak aby skierować uwagę personelu serwisowego na zadania wyższego rzędu.
Rozdział trzeci koncentruje się na korporacyjnych funkcjach AI. Technologia AI pomaga tutaj w filtrowaniu i analizowaniu strumieni informacji pochodzących z różnych źródeł, umożliwiając zautomatyzowanie mozolnych, powtarzalnych zadań oraz poszerzenie ludzkich umiejętności i specjalistycznej wiedzy. W jednym z globalnych banków działa cały zestaw zaawansowanych narzędzi analitycznych służących do wykrywania prania brudnych pieniędzy (m.in. algorytmów uczenia maszynowego), obniżający liczbę fałszywych alarmów o blisko 30 procent, dzięki czemu pracownicy mają więcej czasu na badanie spraw wymagających ludzkiej oceny i specjalistycznej wiedzy.
Rozdział czwarty opisuje, w jaki sposób firmy wykorzystują sztuczną inteligencję w badaniach i rozwoju. W każdym z głównych kroków procesu R&D - w obserwacji, formułowaniu hipotez, projektowaniu eksperymentu i analizie rezultatów - technologia AI może prowadzić do zwiększenia efektywności i wyraźnej poprawy wyników. Dzięki wielu modelom generatywnej AI i predykatora struktur białkowych AlphaFold2 stworzonemu przez firmę DeepMind, Insilico Medicine w ciągu zaledwie trzydziestu dni zsyntetyzowała potencjalny lek umożliwiający leczenie najbardziej rozpowszechnionego typu raka wątroby, co zwykle trwa do dziesięciu lat.
W rozdziale piątym zajmujemy się funkcjami marketingu i sprzedaży, opisując podobnie duży - jeśli nie większy - wpływ AI, jak w innych funkcjach biznesowych. CarMax, największy amerykański sprzedawca samochodów używanych, wykorzystał uprzednio przeszkolony model CPT-3 do zsyntetyzowania ponad stu tysięcy opinii klientów dla każdego samochodu sprzedawanego przez firmę i wygenerowania pięciu tysięcy praktycznych, przystępnych podsumowań dla potencjalnych nabywców aut, umożliwiając twórcom treści internetowych przejście do bardziej kreatywnych zadań.
W części drugiej zajmujemy się brakującym środkowym ogniwem, dostarczając zarządzającym przewodnika ułatwiającego dokonanie przeglądu i nowe spojrzenie na tradycyjny przebieg pracy. Aby w pełni wykorzystać możliwości AI, firmy muszą wypełnić tę lukę poprzez określenie nowych ról pracowników, zdefiniowanie nowych rodzajów relacji roboczych pomiędzy ludźmi i maszynami, zmianę tradycyjnych koncepcji zarządzania i dokonanie przeglądu postrzegania samej pracy.
Rozdział szósty opisuje, w jaki sposób uczenie maszynowe, zintegrowane z procesami biznesowymi, doprowadzi do powstania nowych rodzajów pracy. Konkretnie mówiąc, będą potrzebni pracownicy do projektowania i uczenia algorytmów, do ich wyjaśniania i robienia tego w sposób, który utrzyma algorytmy w ramach procesu. Jedną z takich nowych ról będzie rola zarządzającego zasobami maszynowymi, podobna do roli zarządzającego zasobami ludzkimi, z tą różnicą, że ci pierwsi nadzorują systemy AI zamiast pracowników. Będą oni odpowiadać za dokonywanie regularnej oceny systemów AI używanych w firmie. Będą awansować systemy, które osiągają dobre wyniki, replikując ich warianty i wdrażając je w innych częściach organizacji. Systemy przenoszące złe wyniki zostaną zdegradowane i być może wycofane z eksploatacji. Systemy generatywnej AI będą wymagać zatrudnienia wielu inżynierów zapytań, odpowiedzialnych za optymalizowanie zapytań kierowanych do urządzeń AI, tak by uzyskać najbardziej użyteczne odpowiedzi.
W rozdziale siódmym opisujemy znaczną poprawę ludzkich wyników osiągniętą dzięki współpracy z technologiami AI, które w radykalny sposób zwiększają i wzmacniają możliwości człowieka poprzez wchodzenie z nim w interakcje i ucieleśniane jego nowego potencjału, (W pewnym sensie rozdział ten stanowi odwrotną stronę rozdziału szóstego, w którym omawiamy, w jaki sposób ludzie pomagają maszynom w poszerzeniu i wzmocnieniu ich możliwości). Ten nowy rodzaj relacji człowiek-maszyna pomaga ludziom "walczyć w kategorii przewyższającej ich wagę", zdejmując z ich barków mozolne zadania i umożliwiając wykonywanie pracy w szybszy i bardziej efektywny sposób, dzięki specjalistycznej wiedzy, doradztwu i wsparciu systemów AI.
Rozdział ósmy traktuje o wyzwaniach związanych z AI, wymagających od zarządzających i przywództwa innych, nowych odpowiedzi. Wielkie pytanie brzmi: Jakie kroki muszą podjąć zarządzający, aby ułatwić pracownikom nowe spojrzenie na zachodzące procesy? A konkretnie pięć kluczowych działań, które muszą mieć wsparcie zarządu, m.in. nacisk na ustrukturyzowane eksperymentowanie oraz pielęgnowanie silnego cyfrowego rdzenia.
Na koniec, w rozdziale dziewiątym, zastanowimy się nad przyszłością samej pracy. Mówiąc konkretnie, kiedy współpraca ludzi i maszyn zacznie dominować, firmy będą musiały zatrudniać pracowników i rozwijać osiem nowych "umiejętności fuzji": inteligentne przepytywanie (zadawanie asystentowi AI pytań o różnym poziomie abstrakcji, aby zdobyć konieczne informacje); wzmacnianie przez boty (współpracowanie z inteligentnymi maszynami, aby walczyć w wyższej kategorii wagowej); wzajemne uczenie (uczenie asystentów AI nowych umiejętności, a jednocześnie uczenie się w trakcie pracy, aby móc dobrze funkcjonować w procesach wzmacnianych przez AI); holistyczne łączenie (projektowanie mentalnych modeli AI poprawiających wyniki współpracy); ponowne zhumanizowanie czasu (nowe spojrzenie na procesy biznesowe w celu zwiększenia ilości czasu przeznaczonego na naukę i czynności typowo ludzkie); odpowiedzialne normalizowanie (formułowanie celów i postrzeganie współpracy człowiek-maszyna w taki sposób, w jaki odnoszą się do jednostek, firm i społeczeństwa); integracja osądu (wybieranie kierunku działań w sytuacji niepewności maszyn) oraz ciągle odnawiane spojrzenie (myślenie o nowych sposobach pracy, procesach i modelach biznesowych w celu osiągnięcia wykładniczego wzrostu wyników).
We wszystkich rozdziałach znajdziecie przykłady firm wykorzystujących systemy AI. Zapoznanie się z realnymi zastosowaniami AI przybliży czytelnikom najważniejsze pojęcia i koncepcje. Wiele przykładów jest nowych, szczególnie w dziedzinie generatywnej AI, choć pewna liczba pochodzi z pierwszego wydania. Chociaż niektóre okoliczności mogły ulec zmianie, analizy różnych przypadków pomogą wyjaśnić, w jaki sposób różne formy sztucznej inteligencji ewoluowały i były wprowadzane, często w zgodzie ze sobą.
Pięć kluczowych zasad
Z naszych badań wynika, że mała grupa czołowych firm z różnych gałęzi przemysłu - dziewięć procent przebadanej próbki ponad tysiąca pięciuset firm - już dzisiaj płynie na trzeciej fali. Osiągnęły maksymalny stopień zautomatyzowania i zaczęły rozwijać kolejną generację procesów i umiejętności, aby odnieść zysk ze współpracy człowieka i maszyny. Spojrzały na nowo na procesy, uznając je za żywe i adaptacyjne, wykorzystując informacje pochodzące od jednostek i dużych grup oraz dane uzyskiwane w czasie rzeczywistym. Firmy te realizują programy pilotażowe generatywnej AI i w wielu przypadkach już dziś stosują technologię w przełomowy sposób.
W jaki sposób to osiągnęły? Nasze badania wykazały, że sukces zawdzięczają pięciu głównym zasadom związanym ze sposobem myślenia o organizacji, eksperymentowaniem, przywództwem, cyfrowym rdzeniem i umiejętnościami (MELDS, ang. Mindset, Experimentation, Leadership, Digital Core, Skills).
- Sposób myślenia: Przyjęcie radykalnie nowego podejścia do biznesu poprzez spojrzenie na pracę pod kątem brakującego środkowego ogniwa, w którym ludzie udoskonalają AI, a inteligentne maszyny obdarzają ich w zamian ogromną siłą. Ponieważ poszerzenie brakującego środkowego ogniwa przez generatywną AI umożliwia wykorzystanie technologii do każdej funkcji i pracy, liderzy będą musieli pokierować zmianą w biznesie i kulturze. W odróżnie-niu od wielu przedstawicieli mediów, nie powinni oni postrzegać generatywnej AI jako ostatecznej granicy automatyzacji, odbierającej pracę pracownikom umysłowym. Powinni to potraktować jako następną granicę we współpracy ludzi i maszyn. Wcześniej akcent padał na wykorzystanie maszyn do zautomatyzowania konkretnych zadań, stanowiąc krok w dziedzinie organizacji pracy. Obecnie potencjalna współpraca ludzi i maszyn prowadzi do ponownego zdefiniowania tradycyjnych procesów. Elastyczne zespoły złożone z ludzi o zwiększonych umiejętnościach oraz inteligentnych maszyn zastępują sztywno rozumiane linie produkcyjne. Co więcej, zespoły te adaptują się w sposób ciągły do nowych danych i wkładu ze strony różnych ludzi. Zespoły te mają organiczny charakter, a związany z nimi proces pracy jest pokrewny żywym, oddychającym organizmom. W hali produkcyjnej i poza nią generatywna sztuczna inteligencja pomaga firmom zwiększać produktywność, w lepszym stopniu odpowiadać na zapotrzebowanie konsumentów i generować znacznie szerszą przestrzeń rozwiązań dla wyzwań biznesowych i operacyjnych. Aby osiągnąć tę przewagę, zarządzający muszą jednak obrać charakterystyczny sposób myślenia zorientowany na biznes umożliwiający nowe spojrzenie na prowadzone operacje.
- Eksperymentowanie: Przeprowadzanie ustrukturyzowanych badań w celu pogłębienia wiedzy, zrozumienia wartości i odpowiedzialnego skalowania. Celem nie jest chaotyczne eksperymentowanie, ale przechodzenie od wąskich zagadnień do stworzenia całego procesu na nowo z punktu widzenia brakującego środkowego ogniwa. Nagłe pojawienie się generatywnej sztucznej inteligencji cofnęło firmy do punktu wyjścia. A ponieważ generatywna AI zawiera w sobie nowe, złożone zagadnienia z dziedziny poznania, wiedzy i twórczości, przestrzeganie eksperymentalnego rygoru jest ważniejsze niż kiedykolwiek.
- Przywództwo: Uczenie się na własnej skórze, jak działa technologia, i podjęcie postanowienia, aby od samego początku wykorzystywać sztuczną inteligencję w odpowiedzialny sposób. Z nastaniem generatywnej AI dyrektor zarządzający nie ma luksusu delegowania innowacji technologicznych CIO (dyrektorowi IT) - stawka jest zbyt wysoka, a konsekwencje biznesowe obejmują swoim zasięgiem wszystkie operacje, sięgając dalej. Do najważniejszych z nich należą etyczne, moralne i prawne wymiary technologii AI. Generatywna sztuczna inteligencja spowodowała, że kwestie te stały się jeszcze bardziej poważne, np. w dziedzinie stronniczości, prywatności, bezpieczeństwa, własności intelektualnej i dokładności. Wiemy dzisiaj, że LLM-y "miewają halucynacje" - rozsiewają dezinformacje, które brzmią jak prawdziwe. Oprócz tego modele są często szkolone na materiałach objętych prawem autorskim (copyright), pochodzących z internetu, czasopism naukowych, książek i innych źródeł. Zarządzający muszą działać w ścisłej współpracy ze swoimi departamentami prawnymi, tworząc ramy zapewniające odpowiedzialne wykorzystanie tych systemów przed ich wyskalowaniem. Muszą również zwracać baczną uwagę na to, żeby pracownicy współpracujący z systemami AI nie utracili poczucia sprawstwa i doświadczali większego poczucia siły w procesie podejmowania decyzji.
- Cyfrowy rdzeń: Zintegrowanie chmury, danych oraz technologii AI w celu stworzenia wewnętrznie spójnej podstawy przedsiębiorstwa. W pierwszym wydaniu nazwaliśmy dane istotą elementu "D" (z formuły MELDS), jednak AI musi być teraz rozumiana w znacznie szerszym kontekście cyfrowego rdzenia. Cyfrowy rdzeń umożliwia organizacjom przeprowadzanie operacji w chmurze w celu zwiększenia sprawności i innowacyjności; wykorzystywania danych i AI do różnicowania i zapewnienia bezpieczeństwa; zastosowania aplikacji i platform do przyspieszenia rozwoju, nowego spojrzenia na doświadczenia i optymalizowania operacji - z zapewnieniem bezpieczeństwa na każdym poziomie. Dane pozostają elementem o znaczeniu kluczowym. Wielkość, kształt, źródła i wykorzystanie danych ulegają zmianom, dostarczając firmom jeszcze większego wglądu i zwiększając sprawność ich operacji. Firmy muszą zarządzać nie tylko ustrukturyzowanymi danymi transakcyjnymi, ale również chaotycznymi danymi pochodzącymi z dokumentów, nagrań głosowych lub wideo oraz danych syntetycznych, które mogą zostać sztucznie wytworzone dla zaspokojenia konkretnych potrzeb. Generatywna sztuczna inteligencja umożliwia generowanie nowych wglądów na bazie wszystkich wymienionych źródeł - interakcji klientów, informacji operacyjnych, obrazów używanych na markach i opakowaniach, badań i wielu innych. Wymaga to jednak nowego sposobu integrowania danych, łączenia izolowanych baz danych i zarządzania łańcuchem zaopatrzenia w dane. Wiele firm zaczęło tworzyć swój cyfrowy rdzeń przed wdrożeniem generatywnej sztucznej inteligencji, ale większość znajduje się nadal we wczesnym stadium dorosłości i musi odpowiadać na nowe wymagania i żądania, które generatywna AI stawia cyfrowemu rdzeniowi. Jednak wiodące firmy, które stworzyły cyfrowy rdzeń, obserwują duże korzyści, które z tego wynikają - nazywamy je efektem 60-40 - tj. osiągają 60-procentowy wzrost przychodów i 40-procentowy wzrost zyskowności (według naszych analiz).
- Umiejętności: Aktywne rozwijanie ośmiu "umiejętności fuzji" koniecznych do uzyskania nowego spojrzenia na procesy zachodzące w brakującym środkowym ogniwie. Rosnąca siła AI w sposób fundamentalny zmienia związek człowieka z maszyną - i generatywną sztuczną inteligencją - szybko doładowując tę relację. W okresie drugiej fali maszyny były wykorzystywane do zastępowania człowieka - pomyślcie o tym, jak automatyka zdziesiątkowała szeregi robotników fabrycznych, pracowników administracyjnych, księgowych, kasjerów bankowych, agentów biur podróży itd. Dzisiaj, wraz z nadejściem trzeciej fali, ludzie są potrzebni jak nigdy dotąd. Człowiek zajmuje centralne miejsce w obecnym okresie rozwoju procesów biznesowych. W erze procesów adaptacyjnych potrzeba ludzi w pętli stała się niekwestionowana, nie tylko do projektowania, rozwijania, szkolenia i uczenia systemów AI, ale również do współpracowania i tworzenia z nimi, w celu wypełnienia brakującego środkowego ogniwa i uczynienia kolejnego kroku we wzroście wyników. Przywódcy biznesowi muszą dopilnować, aby ich firma zapewniała pracownikom ciągłe szkolenie, tak aby byli przygotowani do nowych ról w brakującym środkowym ogniwie. W istocie szeroko pojmowane inwestowanie w ludzi i ich umiejętności musi być głównym elementem każdej firmowej strategii związanej z AI.
Jak się niebawem przekonacie, formuła MELDS obejmuje niemal wszystkie praktyczne aspekty tej książki, dlatego będziemy do nich wielokrotnie powracać. Rozdział ósmy zostanie poświęcony "MELD", a rozdział dziewiąty głębszej analizie elementu oznaczonego literą "S" - zbioru, który nazywamy "umiejętnościami fuzji", wyrastającego z nowego spojrzenia na zadania, które najlepiej wykonują ludzie, zadania, w których przodują ludzie i maszyny oraz pozostałe, dla których nie ma to żadnej różnicy.
***
Rewolucja sztucznej inteligencji wcale nie nadchodzi - ona już tu jest, w czołowych firmach wprowadzających nowe spojrzenie na procesy zachodzące w różnych gałęziach przemysłu, funkcjach i stanowiskach pracy, aby odnieść maksymalną korzyść z nowoczesnej technologii, która zwiększa i rozszerza ludzkie możliwości. Dzisiaj generatywna sztuczna inteligencja w dramatyczny sposób podniosła poprzeczkę, w dalszym ciągu skłaniając ludzi i maszyny do bardziej symbiotycznej relacji, pozostając jednocześnie wyjątkowym zjawiskiem w historii technologii. Żaden inny wynalazek w dziejach ludzkości nie wystartował tak szybko. W okresie, który można liczyć w miesiącach, generatywna sztuczna inteligencja z nowości stała się koniecznością mającą potencjalny wpływ na każdą rolę, w każdej części firmy oraz umożliwiającą każdemu pracownikowi korzystanie z jej siły. Dzisiaj mierzymy technologię w kategoriach jej cech przypominających cechy ludzkie - zdolności myślenia, tworzenia i komunikowania się w dużym stopniu podobnie jak my. Wraz z możliwościami pojawiły się wielkie zagrożenia, którymi musimy się zająć u zarania nowej technologii. Ponieważ generatywna sztuczna inteligencja przenika każdy aspekt naszego życia, pracy i twórczości, jej odpowiedzialne wykorzystywanie musi iść w parze z nowym spojrzeniem na nasze firmy, instytucje i nas samych działających w świecie, w którym przyszłość definiują ludzie i maszyny. Książka ta jest swoistą mapą drogową umożliwiającą zrozumienie i poruszanie się w tej nowej krainie.
A zatem w drogę.
Rozdział 1Co musisz wiedzieć o generatywnej sztucznej inteligencjiJak się poruszać w nowej erze inteligentnej technologii
Gwałtowne zainteresowanie dużymi modelami językowymi (LLM) stworzonymi przez firmę ChatGPT przesłoniło jeden z największych przełomów w dziejach AI: AlphaFold2. Program AlphaFold2, stworzony przez firmę DeepMind należącą do konglomeratu Alphabet, potrafi przewidzieć strukturę niemal wszystkich znanych białek - około dwustu milionów, m.in. wszystkich rodzajów białka występujących w ludzkim genomie. Pół wieku przed pojawieniem się AlphaFold rozszyfrowano zaledwie 170 000 białek [1].
Złożone z długich łańcuchów aminokwasów białka zwijają się, tworząc trójwymiarowe struktury będące kluczem do ich funkcji biologicznych. Zrozumienie sposobu, w jaki jednowymiarowe sekwencje aminokwasów determinują trójwymiarowe struktury białka - tzw. problem zwijania białka - było od dawna uważane za jedno z najtrudniejszych wyzwań w biologii. Ponieważ cząsteczki białka składają się z długich, poskręcanych łańcuchów zbudowanych z tysięcy aminokwasów, liczba możliwych trójwymiarowych struktur jest astronomiczna [2]. Przed powstaniem AlphaFold zrozumienie budowy cząsteczkowej nawet jednego białka wymagało często wieloletnich eksperymentów.
Demis Hassabis, dyrektor generalny DeepMind, powiedział, że AlphaFold jest najbardziej złożonym systemem AI stworzonym przez jego zespół. W 2020 roku podczas ogólnoświatowej rywalizacji w dziedzinie przewidywania struktury białka system AlphaFold2 pokonał wszystkie inne metody. W 2021 roku firma DeepMind udostępniła te struktury darmo w publicznej bazie danych [3]. Hassabis mówi: "Baza danych AlphaFold służy jako swoista "wyszukiwarka Google" dla struktur białkowych, dając badaczom błyskawiczny dostęp do przewidywanych modeli białka, które analizują, umożliwiając skoncentrowanie wysiłków i ułatwiając pracę eksperymentalną" [4].
W ciągu zaledwie roku od jej publicznego udostępnienia bazę danych AlphaFold2 odwiedziło ponad pół miliona badaczy, którzy wykorzystali ją do szybszego rozwiązania problemów realnego świata, od zanieczyszczenia plastikiem po oporność na antybiotyki. W 2022 roku DeepMind dodał przewidywane struktury dla roślin, bakterii, zwierząt i innych organizmów, otwierając wiele nowych możliwości przed badaczami wykorzystującymi AlphaFold2 do przyspieszenia pracy nad ważnymi zagadnieniami, takimi jak zrównoważony rozwój, brak bezpieczeństwa żywnościowego i zaniedbane choroby. AlphaFold nie powoduje, że badacze stają się niepotrzebni, ale pozwala im osiągnąć znacznie większą produktywność oraz wykorzystać umiejętności wyższe, specjalistyczną wiedzę i kreatywność. Podobnie jak umieszczenie na domenie publicznej pełnej sekwencji ludzkiego genomu spowodowało wcześniej niewidziane postępy w badaniach biomedycznych, program AlphaFold2 i jego kolejne udoskonalone wersje, stworzone dzięki pomocy generatywnej AI, umożliwiają naukowcom dokonywanie nowych fundamentalnych wglądów w naturę naszego świata - i to szybciej niż wcześniej uważano za możliwe.
Generatywna sztuczna inteligencja w kontekście
Pierwsza dekada XXI wieku była okresem szybkiego rozwoju różnych technik uczenia maszynowego, potrafiących analizować ogromne ilości danych w sieci i formułować wnioski - lub "uczyć się" - na podstawie uzyskanych wyników. Od tego czasu firmy zaczęły wykorzystywać uczenie maszynowe jako niezwykle skuteczne narzędzie do analizowania danych, znajdowania schematów, dokonywania obserwacji, prognozowania i automatyzowania zadań w tempie i skali, jakich dotąd nie widziano. W wyniku tego procesu wyewoluowały trzy odrębne rodzaje AI: diagnostyczna AI, predykcyjna AI oraz, w ostatnim czasie, generatywna AI (zob. rys. 1-1). (Pełny glosariusz terminów związanych z AI znajduje się w rozdziale trzecim, w diagramie "Technologie i zastosowania: Jak to wszystko się łączy?").
Diagnostyczna AI wykorzystuje techniki uczenia maszynowego do pomocy w analizie danych, monitorowaniu systemów i zrozumieniu przyczyny zdarzeń. Wiele firm wykorzystuje techniki diagnostyczne AI do analizy historycznych danych sprzedaży lub danych demograficznych konsumentów, jak wiek, w celu ich segmentacji. Zespoły marketingowe przyglądają się historycznym wydatkom na media i obliczają zwrot z inwestycji w reklamę. Diagnostyczna AI, jak sama nazwa wskazuje, może analizować dane w celu określenia obecnego stanu złożonego systemu oraz diagnozowania usterek i błędów. Systemy te mogą obejmować wszystko, od całej fabryki po przepływ pracy, konkretną maszynę, łańcuch zaopatrzenia, systemy finansowe lub systemy ludzkie. Na przykład w fabrykach można zamontować czujniki na maszynach
RYSUNEK 1-1
Kontinuum sztucznej inteligencji
o kluczowym znaczeniu, aby monitorować ich wyniki. Dane z czujników są przekazywane do programu AI, który używa algorytmów do analizy danych i ustalenia, czy maszyna działa prawidłowo. Podobnie AI jest stosowana w medycynie do interpretowania zdjęć rentgenowskich, uzupełniając specjalistyczną wiedzę radiologów. W bankowości diagnostyczna AI może być stosowana do wykrywania oszustw, szybko oflagowując anomalia wśród niemal niepoliczalnych codziennych transakcji bankowych.
Predykcyjna AI wykorzystuje bieżące i historyczne dane do formułowania prognoz na temat przyszłości. Ma ona szerokie zastosowanie w licznych gałęziach przemysłu. W rozdziale drugim opiszemy, w jaki sposób koncern General Electric wykorzystuje "cyfrowych bliźniaków" produktów handlowych, np. łopatek turbiny silnika odrzutowego, do wczesnego ostrzegania o ich wadliwym działaniu i przewidywania awarii, co pozwala inżynierom na podjęcie interwencji, zanim pojawi się problem. Instytucje finansowe używają predykcyjnej AI do ulepszenia prognoz finansowych. W opiece zdrowotnej predykcyjna AI może być stosowana do przewidywania wystąpienia choroby; tego, kto jest narażony na wysokie ryzyko zachorowania na określoną dolegliwość oraz jakie sposoby leczenia okażą się przypuszczalnie skuteczne. Predykcyjna AI jest też wykorzystywana do walki ze zmianami klimatycznymi, do przewidywania, jak ingerencje w środowisko wpłyną na emisję dwutlenku węgla oraz inne wskaźniki zdrowego środowiska.
Generatywna sztuczna inteligencja jest wielkim krokiem w rozwoju AI. Zamiast ograniczać się do prostego analizowania lub klasyfikowania istniejących danych, generatywna AI potrafi stworzyć coś zupełnie nowego. Pod wpływem impulsu tekstowego (w języku naturalnym, komputerowym lub matematycznym), generatywna sztuczna inteligencja może tworzyć teksty, obrazy, filmy wideo, muzykę, projekty produktów, sztuczne dane, spersonalizowane doświadczenia użytkowników i wiele więcej. Generatywna sztuczna inteligencja w biznesie, nauce i społeczeństwie umożliwi dokonanie przełomu w dziedzinie ludzkiej kreatywności i produktywności, przekształcając współpracę człowieka z AI oraz wprowadzając nową generację urządzeń i usług (AI). Stanie się stale obecnym, wielozadaniowym asystentem optymalizującym zadania i poszerzającym nasze ludzkie umiejętności. Wniesie bezprecedensową szybkość i kreatywność do takich obszarów, jak projektowanie, badania i generowanie tekstu. Wzniesie proces automatyzacji w biznesie na zupełnie nowy poziom, przyspieszając nadejście nowej ery efektywności w obsłudze klienta i na zapleczu administracyjnym. Znacząco zwiększy produktywność programistów poprzez zautomatyzowanie pisania programów i szybkie zastępowanie jednego języka programowania drugim. W swoim czasie będzie wspierać zarządzanie przedsiębiorstwem i bezpieczeństwo informacyjne, chroniąc przed oszustwami i poprawiając przestrzeganie regulacji.
Wszystkie trzy rodzaje AI - diagnostyczna, predykcyjna i generatywna - tworzą kontinuum, czasami przechodząc jedna w drugą lub uzupełniając się wzajemnie. AlphaFold2 jest potężnym narzędziem predykcyjnym, pokazującym, jak zwiną się tasiemki aminokwasów, a także wykorzystującym potężne elementy AI do generowania prognoz. Kiedy aplikacje połączą zdolności predykcyjne z umiejętnością tworzenia nowej treści, wartość AI wzrośnie wykładniczo, umożliwiając jeszcze potężniejsze sposoby współdziałania człowieka i maszyny.
